TWI447575B - 自動缺陷修復系統 - Google Patents
自動缺陷修復系統 Download PDFInfo
- Publication number
- TWI447575B TWI447575B TW095102280A TW95102280A TWI447575B TW I447575 B TWI447575 B TW I447575B TW 095102280 A TW095102280 A TW 095102280A TW 95102280 A TW95102280 A TW 95102280A TW I447575 B TWI447575 B TW I447575B
- Authority
- TW
- Taiwan
- Prior art keywords
- defect
- repair
- operator
- macro
- detected
- Prior art date
Links
Classifications
-
- G—PHYSICS
- G02—OPTICS
- G02F—OPTICAL DEVICES OR ARRANGEMENTS FOR THE CONTROL OF LIGHT BY MODIFICATION OF THE OPTICAL PROPERTIES OF THE MEDIA OF THE ELEMENTS INVOLVED THEREIN; NON-LINEAR OPTICS; FREQUENCY-CHANGING OF LIGHT; OPTICAL LOGIC ELEMENTS; OPTICAL ANALOGUE/DIGITAL CONVERTERS
- G02F1/00—Devices or arrangements for the control of the intensity, colour, phase, polarisation or direction of light arriving from an independent light source, e.g. switching, gating or modulating; Non-linear optics
- G02F1/01—Devices or arrangements for the control of the intensity, colour, phase, polarisation or direction of light arriving from an independent light source, e.g. switching, gating or modulating; Non-linear optics for the control of the intensity, phase, polarisation or colour
- G02F1/13—Devices or arrangements for the control of the intensity, colour, phase, polarisation or direction of light arriving from an independent light source, e.g. switching, gating or modulating; Non-linear optics for the control of the intensity, phase, polarisation or colour based on liquid crystals, e.g. single liquid crystal display cells
- G02F1/1306—Details
- G02F1/1309—Repairing; Testing
-
- G—PHYSICS
- G02—OPTICS
- G02F—OPTICAL DEVICES OR ARRANGEMENTS FOR THE CONTROL OF LIGHT BY MODIFICATION OF THE OPTICAL PROPERTIES OF THE MEDIA OF THE ELEMENTS INVOLVED THEREIN; NON-LINEAR OPTICS; FREQUENCY-CHANGING OF LIGHT; OPTICAL LOGIC ELEMENTS; OPTICAL ANALOGUE/DIGITAL CONVERTERS
- G02F1/00—Devices or arrangements for the control of the intensity, colour, phase, polarisation or direction of light arriving from an independent light source, e.g. switching, gating or modulating; Non-linear optics
- G02F1/01—Devices or arrangements for the control of the intensity, colour, phase, polarisation or direction of light arriving from an independent light source, e.g. switching, gating or modulating; Non-linear optics for the control of the intensity, phase, polarisation or colour
- G02F1/13—Devices or arrangements for the control of the intensity, colour, phase, polarisation or direction of light arriving from an independent light source, e.g. switching, gating or modulating; Non-linear optics for the control of the intensity, phase, polarisation or colour based on liquid crystals, e.g. single liquid crystal display cells
-
- G—PHYSICS
- G02—OPTICS
- G02F—OPTICAL DEVICES OR ARRANGEMENTS FOR THE CONTROL OF LIGHT BY MODIFICATION OF THE OPTICAL PROPERTIES OF THE MEDIA OF THE ELEMENTS INVOLVED THEREIN; NON-LINEAR OPTICS; FREQUENCY-CHANGING OF LIGHT; OPTICAL LOGIC ELEMENTS; OPTICAL ANALOGUE/DIGITAL CONVERTERS
- G02F1/00—Devices or arrangements for the control of the intensity, colour, phase, polarisation or direction of light arriving from an independent light source, e.g. switching, gating or modulating; Non-linear optics
- G02F1/01—Devices or arrangements for the control of the intensity, colour, phase, polarisation or direction of light arriving from an independent light source, e.g. switching, gating or modulating; Non-linear optics for the control of the intensity, phase, polarisation or colour
- G02F1/13—Devices or arrangements for the control of the intensity, colour, phase, polarisation or direction of light arriving from an independent light source, e.g. switching, gating or modulating; Non-linear optics for the control of the intensity, phase, polarisation or colour based on liquid crystals, e.g. single liquid crystal display cells
- G02F1/133—Constructional arrangements; Operation of liquid crystal cells; Circuit arrangements
- G02F1/136—Liquid crystal cells structurally associated with a semi-conducting layer or substrate, e.g. cells forming part of an integrated circuit
- G02F1/1362—Active matrix addressed cells
- G02F1/136259—Repairing; Defects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2431—Multiple classes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09G—ARRANGEMENTS OR CIRCUITS FOR CONTROL OF INDICATING DEVICES USING STATIC MEANS TO PRESENT VARIABLE INFORMATION
- G09G3/00—Control arrangements or circuits, of interest only in connection with visual indicators other than cathode-ray tubes
- G09G3/006—Electronic inspection or testing of displays and display drivers, e.g. of LED or LCD displays
-
- G—PHYSICS
- G02—OPTICS
- G02F—OPTICAL DEVICES OR ARRANGEMENTS FOR THE CONTROL OF LIGHT BY MODIFICATION OF THE OPTICAL PROPERTIES OF THE MEDIA OF THE ELEMENTS INVOLVED THEREIN; NON-LINEAR OPTICS; FREQUENCY-CHANGING OF LIGHT; OPTICAL LOGIC ELEMENTS; OPTICAL ANALOGUE/DIGITAL CONVERTERS
- G02F1/00—Devices or arrangements for the control of the intensity, colour, phase, polarisation or direction of light arriving from an independent light source, e.g. switching, gating or modulating; Non-linear optics
- G02F1/01—Devices or arrangements for the control of the intensity, colour, phase, polarisation or direction of light arriving from an independent light source, e.g. switching, gating or modulating; Non-linear optics for the control of the intensity, phase, polarisation or colour
- G02F1/13—Devices or arrangements for the control of the intensity, colour, phase, polarisation or direction of light arriving from an independent light source, e.g. switching, gating or modulating; Non-linear optics for the control of the intensity, phase, polarisation or colour based on liquid crystals, e.g. single liquid crystal display cells
- G02F1/133—Constructional arrangements; Operation of liquid crystal cells; Circuit arrangements
- G02F1/136—Liquid crystal cells structurally associated with a semi-conducting layer or substrate, e.g. cells forming part of an integrated circuit
- G02F1/1362—Active matrix addressed cells
- G02F1/136259—Repairing; Defects
- G02F1/136263—Line defects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30121—CRT, LCD or plasma display
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09G—ARRANGEMENTS OR CIRCUITS FOR CONTROL OF INDICATING DEVICES USING STATIC MEANS TO PRESENT VARIABLE INFORMATION
- G09G2330/00—Aspects of power supply; Aspects of display protection and defect management
- G09G2330/08—Fault-tolerant or redundant circuits, or circuits in which repair of defects is prepared
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Nonlinear Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Optics & Photonics (AREA)
- Crystallography & Structural Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Multimedia (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Mathematical Physics (AREA)
- Quality & Reliability (AREA)
- Computer Hardware Design (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Liquid Crystal (AREA)
- Devices For Indicating Variable Information By Combining Individual Elements (AREA)
- Image Processing (AREA)
Description
本發明係有關於基於液晶顯示器(LCD)及其他相關顯示器技術的平面顯示器,例如有機發光裝置(OLED),更明確地說,係關於形成在此等顯示器上之元件的檢視。
於LC顯示器的製造中,大片清晰薄玻璃板被用作為沉積薄膜電晶體(TFT)陣列的基材。通常,幾個獨立TFT陣列被包含在一玻璃基材板內,並經常被稱為TFT面板。或者,主動矩陣LCD,或AMLCD涵蓋了在每一次像素中,利用一電晶體或二極體的顯示器類別,因此,包含TFT裝置,例如玻璃基材板也可以被稱為AMLCD面板。平面顯示器也可以使用任一之OLED技術加以製造,並典型被製造在玻璃上,但也可以製造在塑膠基材板上。
TFT圖案沉積係以多個階段進行,其中,在每一階段中,一特定材料(例如金屬、氧化銦錫(ITO)、結晶矽、非晶矽等)配合一預定圖案被沉積在前一層(或玻璃)頂面上。每一階段典型包含包含若干步驟,例如沉積、遮罩、蝕刻、剝離等等。
於這些階段的每一階段及在每一階段的各步驟中,很多影響最終LCD產品電氣及/或光學效能之生產缺陷可能發生。此等缺陷包含但並不限定於進入ITO112的金屬突出物110、進入金屬116的ITO突出物114、所謂鼠咬118、開路120、電晶體124中之短路122、及外來粒子126,如第1圖所示。其他缺陷包含遮罩問題,過蝕刻或欠蝕刻等等。
即使TFT沉積製程為緊密控制,但缺陷的發生仍無可避免。這限制了生產量率並不利地影響生產成本。典型地,TFT陣列在重要沉積階段後,使用一或多數自動光學檢測(AOI)系統加以檢視,並且,利用也稱為陣列測試器或陣列檢查器(AC)的光電檢視機來測試所完成之TFT陣列。通常AOI及AC系統提供缺陷座標;但它們並未提供分類出缺陷為致命缺陷、可修復或有缺點不影響TFT陣列效能(所謂製程缺陷)所需之高解析度影像。缺陷座標資訊被傳送至被稱為陣列解救器(AS)的TFT陣列修復工具,並且,此分類傳統上係由TFT陣列修復機操作員以人工方式加以完成。
每片板的缺陷的平均數量可能隨著每一TFT陣列製造者以及每一製造廠而有所不同。典型地,在TFT陣列製造線上之缺陷審視及修復能力被作成能處理每一第7代板300至400缺陷。通常,每板的5至10%缺陷被假定為需要修復。
因為TFT陣列特性典型很小(次像素尺寸對於由第7代板作成之大型40吋LCD電視可以為80×240微米大至216×648微米),所以陣列修復工具包含一顯微鏡,以執行一缺陷審視,以決定是否缺陷為可修復。相對於板尺寸(典型2.1×2.4米),顯微鏡的視野很小(範圍由約100×100微米至2×2毫米)。顯微鏡被安裝在精準XY機台上,使得其可以由一缺陷送至另一缺陷。缺陷座標係為AOI及AC檢視系統所早先執行之檢視得知。玻璃板藉由一真空吸盤,在缺陷審視及修復時,在XY機台下,保持固定。在審視後,可修復缺陷典型以雷射修整、雷射熔接或橋接加以處理,開路線缺陷典型使用化學氣相沉積(CVD)技術。
上述連續之一般事件典型為全陣列修理工具。然而,因為缺陷的數量、類型、位置、大小/程度經常各面板有所不同,在捕捉缺陷影像後,在幾乎所有工具步驟均需要判斷,例如,是否影像為真正的缺陷而不是麻煩、找到是何類型之缺陷、是否特定缺陷需要修復、需要何種之修復、需要何種修復參數、下一個需要修復的缺陷為何等等。很多修復工具組合工具操作與人工操作員判斷與介入,以辨識、分類然後修復此等缺陷。
第2及3圖顯示兩缺陷修復例的剖面圖。金屬突出缺陷110係被顯示於第2A圖(見第1圖的俯視圖)中。於此例子中,在辨識及分類缺陷110後,建立一修復程序,繼而並執行該程序以移除突出物,如第2B圖所示。第3A至3E圖代表執行以校正在金屬線32及34間之開路(見在第1圖之缺陷120)的修復步驟。於此例子中,使用雷射36穿過(進入)鈍化層38並切入金屬線。然後,引入沉積材料的機構(於此例中為化學氣相氣體及移動雷射能源),以在金屬線32及34上,建立接觸電極42及44。隨後,形成一金屬線46,以連接金屬線32及34。於兩例子中,工具的修復功能必須準確地找出予以修復的缺陷或缺陷區域的部份,修復程序必須針對特定缺陷類型。因為並不是所有面板製程都是相同,所以有關於功率、點大小、氣體流的參數或其他材料沉積參數等等可能需要每面板或每面板生產為基礎地加以調整。
如第4圖所示,一旦在步驟402取得缺陷影像,一操作員在步驟403審視影像,分類可能缺陷為麻煩及缺陷分類,例如開路、短路,及如第1圖所示之其他缺陷,並在步驟404決定是否需要修復。如果不必修復,則在步驟405操作員指示工具移動至下一缺陷,並重覆影像捕捉及缺陷分類的程序。如果決定需要修復,則操作員決定需要修復的類型(例如切割或連接),並在步驟406設定基本修復功能(例如雷射切割)參數,包含決定切割或連接之開始及結束點。在步驟408,操作員然後指示機器,執行修復。工具然後在步驟410修復缺陷,然後,在步驟412,進行至下一缺陷,並重覆該程序。
操作員可以決定所需的修復參數及順序指令(或程式)與前一程式相同,並可以選擇使用所儲存的程式,而不是建立一新程式。有時,單一板具有各種不同類型之缺陷,及操作員排序出完成修復的順序。例如,操作員可以選擇某一第一類型之第一修復缺陷,其後為第二類型之缺陷,以此類推。或者,操作員可以選擇以空間中之順序(例如由左至右,由面板的前端至後端),修復缺陷。
現行人工判斷可以應用在平板面板之審視/檢測及修復的每一步驟中被施加。面板製造者經常尋找最小成本及最佳時間,並想要自動操作的修復工具。然而,如上所述,自動工具必須至少與人類一樣快的速率,提供相同或較佳不變之判斷結果。面板缺陷的審視及修復提供了在自動工具開發中必須考量的幾項挑戰。第一,典型取決於光學機構的檢測將產生影像,其品質可能在面板內有所變化,並在一連串的面板中,對比、亮度、顏色及其他類似參數有著變化。此等變化在評估可能缺陷影像時,為一操作員所考量,因此,將需要導出自動評估的機構。操作員典型在決定是否一可能影像確實為一缺陷的同時,也同時認出並指出缺陷類型。然而,由於,影像品質的變化,操作員可能誤認缺陷類型或分級不穩定或不明確。因此,自動工具必須針對正確與穩定分級缺陷的挑戰。另一挑戰為工廠開始的時間,當可用分類資料很少或不正確。自動工具應提供一機制,以根據為工具所隨時間收集之訓練例及/或統計資料的累積,而建立其分類規則的本身資料庫。最後,一旦全面生產,LCD面板製造者將喜好操作員修復不需要全時間注意的工具。
於Peter S.Friedman及Qiu等人在”先進平面顯示器技術”第98至106頁中之”AMLCD自動修復”的文章中,提出自動修復的需求,並分析完成自動化的方式。然而,LCD面板技術在該時係相當簡單,並且,在Qiu等人所提之架構內的作出決定規則係基於相當小組的選擇。例如,只有兩類型之缺陷類型,”開路”及”短路”被認出,具有四次級的”開路”,及三次級的”短路”。再者,三個”開路”修復功能被定義,但只有單一”短路”修復功能被考量。
從上述文章的公開後,LCD面板製造已經隨著LCD面板的使用,而變得更複雜,LCD面板範圍由電腦膝上型螢幕至電腦監視器到電視螢幕。例如,更多材料類型與材料組合已經被引入;像素設計也包含各種尺寸及形狀。另外,面板製造者想要在各種層中完成修復。現行仍存在有自動化陣列修復工具製程步驟的需求,以增加準確度並允許操作員預見一個以上之工具。
依據本發明實施例,平面顯示器(FPD)基材的修復系統執行若干操作,例如自動影像捕捉及處理、自動缺陷分類、自動修復分類、及修復巨集(指令)產生軟體。該系統係基於彈性控制架構並包含相關的圖形使用者介面(GUI)。
缺陷分類、修復分類及修復巨集產生係基於一開放架構並可以經由多層分類器的使用,以滿足任意數量的使用例,因此,各種面板設計可以在單一修復工具中加以修復。多層組之分類器,例如缺陷分類器、修復分類器以客製化的能力,完成有效作出決定修復程序。
本發明適用以在缺陷與相關工具之支援資料庫的前後關係中,延伸規則為主之分類器,以包含統計學習(線上及批次)及互動學習。因此,分類器與程序規則可以隨時間自動或半自動地改良,結合操作員於判斷缺陷或修復需求時所學到之經驗。因此,本發明之缺陷修復系統適用以降低每工具花用操作員的時間量,同時,也體認出工具操作會有一定範圍的人為介入。
第5圖為依據本發明例示實施例之LCD陣列修復工具500的功能方塊圖。例示陣列修復工具500顯示部份包含有:面板處理器502、一機台504,以將樣品LCD面板(未示出)移進進出工具;攝像光學506,捕捉影像;修復硬體508,以完成缺陷修復;工具控制器510,適用以控制用以修復缺陷的硬體;一影像處理電腦512(IPPC),其處理缺陷影像;及一自動缺陷修復(ADR)處理機514。操作員透過圖形使用者介面516(GUI)控制該工具。於部份實施例中,ADR處理機514可以為影像處理電腦512的一部份或安置在其中。於其他實施例中,ADR處理機514可以為內建工具控制電腦510的一部份或安置在其中。再者,工具控制電腦510可以為內建電腦。
攝像光學506典型包含一顯微鏡,具有放大及攝影硬體以捕捉影像。修復硬體508可以包含一或更多雷射、相關光學、及材料安置硬體,例如化學氣相沉積(CVD)硬體、固態或液態排放硬體、噴墨或其他有關材料沉積系統。
典型地,使用AOI或AC工具所需之缺陷名單520***作員所輸入陣列修復工具500(也被稱為修復工具或工具)中,或藉由工廠自動控制系統(未顯示)所自動報告給修復工具500。每一缺陷的影像為攝像光學506所收集並傳送給IPPC512,其中,影像資料被組合以使用AOI或AC所需之缺陷特定資訊。
第6圖為依據本發明實施例,執行修復缺陷的步驟/程序的流程圖600。在步驟602中,使用AOI/AC所取得之缺陷名單520被供給至安置在工具控制器510中之缺陷名單管理器中。在步驟604中,機台504將目標LCD面板移動,以使下一缺陷進入缺陷再檢測與修復的位置中。再者,在步驟606中,取得焦點並捕捉缺陷影像。ADR處理機514處理在步驟606中所捕捉的影像,並使用為缺陷名單管理器所供給之特定缺陷執行時間資訊以產生一修復巨集(以下也稱為程序)。
如果在步驟610決定目標可能缺陷為可修復,並在步驟612決定驗證模式為作動(即,工具500在半自動模式),則操作員在步驟618提供是否進行修復的選擇。如果在步驟618中,操作員選擇進行修理,則工具控制器510在步驟626執行修復。隨後,缺陷名單管理器使得機台504移動目標LCD面板至用於審視/修復的下一可能缺陷定位。如果可能目標缺陷在步驟610中,被檢測為可修復並在步驟612中為全自動模式,則在步驟626,工具控制器510執行修復程式。隨後,下一可能缺陷被對焦。步驟612標示為”驗證模式作動?”的決定盒,如果為”是”,則作成人工介入(半自動);如果為”否”,則作成全自動。例如,工具控制器510可以被指示以處理不需介入的所有缺陷,並分級(或排除)需要特別注意的缺點。於此時,工具控制器儘可能處理愈多之缺陷,然後,停止以允許操作員審視並設定其他的。設定工具以半自動方式操作,允許操作員同時監看幾個修復機器。
如果在步驟610中,決定可能缺陷為不可修復,則操作員在步驟614審視可能缺陷。如果操作員在步驟620中決定可能缺陷需要修復並為真缺陷,例如,其不是假的正,則操作員在步驟618指示工具向前移動。如果在步驟620中決定可能缺陷並不需要修復,則操作員在步驟616選擇下一缺陷,其後,缺陷名單管理器使得機台504移動目標LCD面板至下一可能缺陷位置,以作審視/修理。
第7圖顯示ADR處理機514的各種功能方塊。依據本發明實施例的ADR處理機的例示實施例514係被顯示部份包含:一缺陷擷取器702、一自動缺陷分類器(ADC)704、一自動修復分類器706、及一自動修復巨集產生器708。
如第7圖所示,缺陷擷取器702接收並組合所捕捉的影像資訊720與為缺陷名單管理器602所管理的AOI/AC缺陷名單520,以產生一缺陷特性名單740,其然後被送至ADC704、修復分類器706、及修復巨集產生器708。ADC704適用以使用缺陷特性名單740並依據所建立的區資訊與分類規則來分類缺陷。有了缺陷特性名單740與所產生之分類缺陷,修復分類器706搜尋並選擇有關該特定缺陷分類的修復分類規則,並建立用於修復產生器的程序。使用缺陷特性名單與所產生之修復程序,修復巨集產生器708依據一組巨集樣板產生修復巨集。因此,以缺陷位置與影像資訊,ADR處理機基於缺陷分類規則、修復分類規則、及修復工具的巨集樣板組,建立可執行的巨集,以自動執行修復。
同時參考第5及7圖,ADR處理機514送出其所產生之修復巨集至工具控制器510。為了確保IPPC512保持於ADR處理機514與工具控制器510同步,在第5圖的實施例中,ADR處理機514產生”完成”標誌。
於一實施例中(未示出),在程序中之任一點(未示出),ADR處理機可以發出標誌給操作員,請求協助。例如,如果用於一特定缺陷的缺陷特性名單並沒有一相關分類規則,則操作員可能需要介入。操作員可以建立新的分類規則,或選擇以移動至下一缺陷。如果相關修復分類規則未能在分類缺陷中找到,則操作員可能需要介入。再次,操作員可以建立一新修復規則,或者,選擇移動至下一缺陷。
如上所述,依據本發明一態樣,具有缺陷位置與影像資訊,ADR處理機基於缺陷分類規則、修復分類規則(或於此稱修復規則)、及工具巨集樣板組,建立可執行巨集,以自動執行修理。再者,本發明利用缺陷分類,隨後,修復分類,以提供一兩層分類器。也可以建立其他層的分類器。多層分類器的使用設立了一開放並具擴充彈性的架構,以容許其他使用例與適應學習。多層分類器完成了自動化所需之有效作出決定程序,以類型降低一組可能缺陷成為分級缺陷,並將修復規則相關至缺陷類型,然後,產生巨集指令給工具執行。本發明之ADR處理機的各方塊將說明如下。
ADR處理機514適用以自工具影像光學所取得之影像資料與所收集的AOI/AC資訊520建立缺陷特定名單。第8及9圖顯示缺陷擷取,即預處理、差異計算、作強健門檻、仲裁、及後處理的步驟,這些係建立缺陷特性名單所需,該特性名單被輸送給缺陷分類器ADC704、修復分類器706、及修復巨集產生器708。
缺陷檢測的一已知方法為比較可疑缺陷像素與其鄰近像素,不是藉由比較多數單元對準影像,就是比較在同一影像內的單元。在演繹法上,比較係藉由垂直或水平地”位移及相減”多個影像,或子影像加以完成。第8圖顯示兩情形:(i)多單元對準影像(三單位)802被收集與處理,及(ii)相同影像804的單元被比較(單一影像)。因為平面結構有重覆性,所以如果單一影像具有至少三單元,則其可以藉由在每一方向中位移一單元,為缺陷擷取器所處理。如果未出現三單元,則需要採用三個影像(三單位),左及右影像需要離開一(或N整數)。有可能使用超出三個影像作檢測用。然而,三個為使用仲裁以消除假缺陷並決定哪一單元為缺陷的最小量。
如第8圖所示,對於單一影像例804,缺陷影像在808左移及在810右移,然後,在812中,離開原始值的差被算出(DiffL、DiffR、及DiffC)。影像或影像三單位首先被演繹法平滑化及/或其他方式以加強信號。對於三單位例802中,因為每一影像由三個不同時間的三個不同點取出,所以,它們可能有不同攝像狀況。不同攝像狀況可能在顏色上造成差異。因此,對於三單位例中,可能需要在計算差異前,執行色彩校正,因為色差可能造成在缺陷的差異計算中的假結果。
有關缺陷檢測的一重點為在檢測幾個或沒有假(麻煩)缺陷的同時,能自動檢測出真實缺陷。於任一真實系統中,不可能有絕對完美缺陷檢測及沒有假缺陷。藉由允許任意數量的影像可以比較,此系統最小化假缺陷。在步驟814中,為了進一步降低假缺陷,差影像使用強健統計法加以門檻化,然後,在步驟816中,進行仲裁,即只有在兩鄰近差影像中找到的缺陷被認為是真缺陷。
在步驟816中,仲裁二分化影像被輸送至處理方塊820。第9圖顯示依據本發明實施例之為處理方塊820所執行之各種功能。在步驟822中,鄰近可能缺陷被合併在一起(靠近),然後,在步驟824中,小於一特定尺寸的缺陷被排除。結果為一己處理的二進制缺陷影像826。最後,在步驟828中,用於二進制缺陷影像內的每一缺陷的缺陷特性被擷取,在步驟830中,造成一缺陷特性名單。缺陷特性名單例係顯示如下。其包含缺陷相關資訊,包含例如顏色資訊。
Area:49 Centroid:[308 225]BoundingBox:[304.5000 221.5000 7 7]SubarrayIdx:{1x2 cell}MajorAxisLength:8.0829 MinorAxisLength:8.0829 Eccentricity:0 Orientation:0 ConvexHull:[9x2 double] ConvexImage:[7x7 logical]ConvexArea:49 Image:[7x7 logical]Filledlmage:[7x7 logical]FilledArea:49 EulerNumber:1 Extrema:[8x2 double]EquivDiameter:7.8987 Solidity:1 Extent:1 PixelList:[49x2 double]Perimeter:24 .....PixelLoc:0 ColorImage:[7x7x3 unit8]ColorInfo:[100 233 60]
第10圖顯示自動缺陷分類器704的各功能方塊,其需要用於缺陷的位置(或區域或範圍)資訊。缺陷名單520(第6圖)包含來自電氣測試(例如Photon Dynamics陣列檢查器)或AOI(自動光學檢視)機器的資料。此缺陷資料典型包含缺陷大小及缺陷的大致位置,但也只包含LCD面板之可疑缺陷像素的列與行。為AOI或AC所提供之缺陷像素的準確位置可能偏移開一或兩像素。然而,在可疑像素旁的鄰近像素之準確與強健缺陷檢測係為正確缺陷檢測、分類與修復的基礎。
依據本發明,缺陷位置被準確地決定並供給至缺陷擷取器702、缺陷分類器704、修復分類器706、及修復巨集產生器708。尤其,重要的是知道缺陷係位在像素的哪一區域(部份),因為這可能影響隨後修復的精確度。例如,如果在像素的TFT(電晶體)區中找到缺陷,則很高的可能為該電晶體為壞的。然後,適當修復規則為”致命像素”修復,這將在以下之另一段落說明。
為了協助使用者容易並準確地進入分區細節,可以使用例如區域編輯器的圖形使用者介面。於一實施例中,作為整個工具設立操作的一部份,使用者以多角繪圖工具繪出區域的外形成為所謂”金像素”的影像。此影像用於分區並在隨後之巨集樣板編輯器加以討論。使用者可以由預定區域1004(第10圖)選出,例如TFT、DATA、GATE、ITO、CHANNEL、VIA、COMMON,或者,使用者可以以其特有標示,根據不同LCD像素佈局的特有設計與結構,加以建立新的區域。
如第10圖所示,為AOI/AC所提供之缺陷像素的區域資訊1002可以組合預定區域1004並過濾1006,以減少預定區域名單為用於特定想要缺陷的存活候選區域。此金像素區位置的減少名單1006然後提供至如第7圖所示之缺陷分類規則、修復分類規則、及修復巨集樣板。
第10圖部份顯示本發明之缺陷分類器704的例示實施例。缺陷分類器704接收缺陷影像賓訊720、區域位置資訊1006、及缺陷特性名單740,並計算分類所需之缺陷特性1014。如第7圖所示之施加分類規則1016,缺陷分類器704尋找審視下之缺陷的全匹配。隨後,缺陷分類器704建立指明缺陷類別1018的分類缺陷的定義,並傳送此資訊至修復分類器706。
在缺陷分類器704內所於步驟1014所計算的缺陷特性名單係由其接收的輸入展開。在計算步驟1014中之動作為空間轉換減少組的金像素區,然後,將之重疊至所需缺陷影像上。缺陷檢測被執行及缺陷被與區域匹配,以決定哪一(若有的話)區及缺陷接觸或近乎接近。因為本發明使用一連串之規則可調整的分類器,所以,可以容易地加入用於區域性的其他權值。例如,指明相對於一區域的距離之規則可以被定義為,例如”完全在區域內之缺陷”,或5微米內之缺陷。
如上所述,缺陷分類器704適用以接收缺陷特性名單740及區域位置資訊1006,並將之組合,以產生特定缺陷的特性名單1014。此名單例係如下所示:F DefectId=6 F Area=49 F Brightness=200 F Contrast=0.5 F Color=100,233,60 F Size=0.96 F PixelLoc=0.F DefectType=無F GateZone=100 F DataZone=0.00 F ItoZone=0.00 F TftZone=0.00 F ChannelZone=0.00
缺陷分類器704進一步適用以產生新邏輯變數,以下稱為導出特性。此等導出特性例係如下:Tiny:=Area<=2.5 Dark:=Contrast<-0.4 Zstor:=ChannelZone==0.0||TftZone==0.0
例如,導出特性Tiny表示缺陷不夠大,似乎不會造成像素中之電氣缺陷。導出特性可以進一步促成並簡化為缺陷分類器所用之規則。
分類規則導引缺陷被指派入缺陷類型分類。分類規則的三個例子係如下:ActiveResidue:ItoZone==0.0&&!Dark&&Area>10.0 Channel:DefectType==Pixel&&ChannelZone==0.0&&!Tiny GdShort:DefectType==Gds&&Xstor
冒號左側代表缺陷類型,及冒號右側代表基於小組特性與位置的規則。例如,為以上之特性名單所代表的缺陷滿足了互動殘留規則,因為IToZone為真,導出特性Dark不為真,及區域特性大於10.0的規則需求。換句話說,互動殘留的所有條件為真。通道規則的例也包含一導出特性tiny與特性DefectType=Pixel及ChannelZone=0.0定義於上述缺陷特性名單中。因此,通道規則之條件並不符合。這些例子顯示修復分類器706係如何作出決定。
用於缺陷分類的規則為主分類器的使用完成了對所設定分類器規則之改良與強化。例如,在工廠開始時,似乎只有少數幾個訓練例或統計資料可為分類器所用。當工廠生產成熟時,這些必須被學習或開發,並被加入分類規則中。本發明允許為如第7圖所示之操作員所想出之新或調整分類規則的加入。
如第7及11圖所示,分類缺陷1018與缺陷特性名單740被送給自動修復分類器706,其產生使用一組修復分類規則的修復程序1202。依據本發明,第二組規則,即修復分類規則被用以決定所需之修復動作。幾個修復分類規則被顯示如下:ChopData:GdShort && Xstor KillPixel:ChopData||Channel IsolateDataCommon:ActiveResidue
冒號左側為修復識別碼及右側為來自上述缺陷特性或導出特性名單的缺陷分類及/或項目。例如,如果GdShort&&Xstor條件為真,則ChopData修復分類規則應被喚起。如果缺陷類別ActiveResidue條件為真,則IsolateDataCommon修復分類規則應被喚起。
如同於缺陷分類規則中,該組修復分類規則可以增加或改良。例如,對於修復分類規則的一改良類別為修復準確性,其應超出並較缺陷分類準確性重要。文字為主之缺陷分類規則係用以決定在一般缺陷中之修復動作,但也可以使用用於異常或邊緣型缺陷的更智慧型機器學習技術。缺陷分類規則及/或修復分類規則可以手動或自動更新。
於流程中,為AOI或AC工具所提供之資料與來自修復工具本身之此點的缺陷影像資料被聚集至用於想要特定缺陷的一組修復程序,該程序係被供給至自動修復巨集產生器708。
對於每一缺陷修復,有一巨集樣板。此關係在執行時間內,典型被維持在檔案或記憶體中,以改良效能。於以下例子中,左側係為修復分類程序及右側為修復巨集樣板檔案:IsolateDataCommon CutDCMacro.tpl ChopData CutDLMacro.tpl KillPixel CutTFT01Macro.tpl
第12圖顯示依據本發明實施例為修復巨集產生器708所執行之各種功能步驟。修復類別1202與修復樣板1204被使用作為修復樣板查看表的輸入項,以選擇支援該想要缺陷的修復類別/程序之修復樣板1206。如果在1208未找到修復樣板,則工具可以要求操作員介入1208。如果在1208找到修復樣板,則在巨集產生器中之下一步驟為決定樣板類型。雖然在以下說明中,只說明固定及可變巨集樣板,但任一巨集樣板類型均可以支援。一固定樣板係無關於缺陷位置或尺寸或其他特性。例如,上述之KillPixel巨集樣板為一固定樣板。其需要”CutTFT01”巨集被執行。”CutTFT01”檔具有以下行:ZoneDefinitionFile:GoldZoneDefinition.zdf LaserRecipeFile:atp.rcp LaserConfigFile:Laser.cfg Fixed Line CutTFT01 50X-IR 1014 188 1024 199
此檔案指示工具以藉由在樣板所指定的固定位置,以無關於缺陷位置的方式,執行一雷射切割,以將LCD像素的電晶體(TFT)去能。雷射參數係為第二及第三行所界定,其中冒號右側為儲存在工具控制器510中之雷射程式及檔案。最後一行指明光學巨集樣板類型、”可變”、雷射切割的類型、透鏡的選擇(50X倍率及IR雷射)及切割的位置(1014、188、1024、199)。
如果所得修復樣板為固定樣板1210,則修復巨集在1216被產生。如果所得修復樣板不是固定樣板,則在此例示實施例中,被認為是可變樣板1212。可變樣板被定義為一種樣板,其中,一切割或其他修復的尺寸及位置必須為像素區域及特定缺陷尺寸及位置所界定。因此,缺陷尺寸及位置必須供給至樣板。如第12圖所示,在1206所選定之修復樣板被組合至缺陷特性名單520與任何之其他缺陷執行時間資訊730,使得特定缺陷資訊可以在1214被更新。隨後,例如在1216產生修復巨集。例如,IsolateDataCommon修復樣板為一可變樣板及其CutDC檔有以下步驟。
ZoneDefinitionFile:GoldZoneDefinitions.zdf LaserRecipeFile:atp.rcp LaserConfigFile:laser.cfg Variable Line CutDC 50X-IR 1011 97 182 92 Variable Line CutDC 50X-IR 208 58 1049 59
於此時,CutDC或CutData Common樣板檔案執行於像素之資料與共同區域間之切割,如同在缺陷尺寸及位置資訊所詳述。於此檔案中,如同在固定樣板例中,第二及第三線指示巨集的雷射程式及設立檔。於此可變檔中,最後兩線描述可變樣板本身及位置資訊。一安全邊際典型被加入至切割的長度,以確保資料線及共同區域被電氣隔離。
在ADR處理機中之最終功能為將巨集樣板及修復指令轉譯為供工具執行之特定巨集及程式。LCD面板修復典型為多束雷射系統所完成。雷射被指示以執行簡單命令的名單,其被稱為形式如下之修復巨集:<LaserCutType>.<RecipeName>.rpixel.<Mag&Lens>{<startLoc>;<EndPoint>;}
第一欄位為雷射切割的類型:線,塊等。第二欄位典型為雷射程式名稱,但也可以對操作員的簡單指令,例如”操作員”,這表示缺陷不能自動修復並需要人員介入。另一方面,CVD指示此缺陷被送至一修復用之化學氣相沉積。第三欄位為修復方法,於此時為”修復像素”。第四欄位為透鏡倍率及雷射波長。於這些例子中,紅外線(IR)雷射被選擇為具有50X的透鏡。包含於大括號中之第五欄位為雷射切割的開始及結束點。為了持續上述例子,Kill Pixel巨集可以由上述樣板產生並呈現如下:Point.CutTFT01.rpixel.50X-IR{200.2,20.0;202.7,4.7;}Point.CutTFT01.rpixel.50X-IR[210.2,20.0;212.7,4.7]Line.CutTFT01.rpixel.50X-IR{-360.6,1.8;-324.452,5.373;}
所產生之”CutDataCommon”巨集看起來如下:Line.CutDC.rpixel.50X-IR{-360.309,1.834;-224.452,5.373;}
這些由巨集樣板所建立的修復巨集在形式及功能上與修復操作員所建立者相同。用於產生巨集樣板檔之巨集樣板編輯器可以透過圖形使用者介面,協助使用者容易建立及修改巨集樣板。
如第7及13圖所示,一旦修復巨集在1302被擷取及缺陷在1304被檢測為可修復否,如果驗證模式為啟動,則修復巨集被顯示給操作員1310。如果巨集的切割位置或其他鍵資料滿意,則操作員在1312接收該巨集供執行。在此點的巨集具有修復選定缺陷所需之所有資訊,即基於兩分類器的缺陷及修復資訊、特定空間資訊、及特定修復資訊,例如雷射功率、點大小等等。此最終巨集然後被送回到工具控制器510,以開始執行修復。如果巨集未滿意,則操作員可以在1314,在完成最後設立參數及修復的執行前,如所需地調整。
修復執行係為工具控制器510所進行。修復放大在1322被建立,在1324取得在對準位置的影像、在1326執行所需之對準、對修復位置的偏移在1328被喚醒、在1330調整雷射參數、及最後,工具控制器510執行修復。如果機台並未被移動,對準步驟可能不必。
第14圖類似第7圖,除了第14圖也顯示包含一資料庫記錄標750,其係被架構以儲存缺陷例。幾類型之資訊被儲存在資料庫,包含:自缺陷擷取器702接收之影像檔名、來自缺陷分類器與修復分類器的缺陷分類規則及修復分類規則、來自修復巨集產生器的資料與控制資訊、及為操作員所手動產生之分類及修復資訊。資料庫記錄標可以作動為一用於新或修改過規則的貯存點,及分類規則的自動或手動更新。然而,如上所述了解到,規則為主之分類器允許自動化,而不必要一資料庫。
儲存在資料庫記錄標中之缺陷例也允許離線(批次模式)統計學習,也可以在線上學習。熟習於本技術者可以了解到,本發明之使用混合之分類器(包含部份視窗及實例為主之推理)方法可以在經常使用手寫規則時,在一工廠中,由工具的設定階段平順地轉移至生產階段及機器學習規則。再者,資料庫與分類器方法允許對製程缺陷的適應,其包含在相對數目及概念移動的劇烈變化。其他元件可以被加入系統中,而不會影響其基本結構:例如,異常檢測器、SPC警報、及堆疊缺陷觀看。
第17圖顯示本發明之自動缺陷修復系統採用適應學習。步驟1710允許更新兩分類器(缺陷分類器及修復分類器)並預定義區域資訊及巨集樣板。適應或互動學習可以採幾種形式,例如,(i)選擇哪一影像樣品以儲存在資料庫中;(ii)將讓給操作員的缺陷加入至缺陷名單,以擴充或確認該組專家標示訓練例,或(iii)以儲存影像給操作員,以測試人員判斷的一致性,特別是在ADC檢測出一衝突時。
第6至14圖描述一系統與方法,用以判斷缺陷並依序一次修復一個缺陷。本發明也提供用以自動修復缺陷的另一順序,如第15圖所示,其中所有缺陷被首先觀看,然後,執行所有所需之修復。第15圖顯示可以被分成自動審視1520、自動修復1540、及手動分類及修復1560的程序。
於審視程序中,並不是所有缺陷都需要被自動分類。因此,需要特別注意的缺陷被濾出,以手動分類及修復功能方塊1560。因此,第15圖之順序顯示工具使用的階層式方法,即,所有缺陷可以自動向前處理1520,而需要特別注意的缺陷係被放置一旁或分級給操作員,以在隨後1560分類及設定修理程式。在生產開始時,手動處理的缺陷的百分比可以較自動修復者高些。然而,因為分類器與修復規則資料庫隨著生產成熟度而增長,所以缺陷的自動處理百分比應遠大於需要以操作員處理的缺陷百分比。
再者,即使在一成熟生產設施中,示於第15圖的階層順序也可以協助最佳化為工具處之操作員所花用之時間,因為操作員的判斷可能在缺陷審視步驟中最重要。一旦完成了哪些缺陷需要被修復的識別工作,則操作員指示工具以自動執行修復,以及,操作員可以自由加入其他事務。再者,在審視所有缺陷後修復所有缺陷的另一順序允許一陣列修復工具被專門使用作缺陷審視,而另一工具被專門使用作修復。部份修復可能需要在一特殊機器,例如CVD上完成。本發明允許機器的混合使用,例如為一工具類型所執行的審視功能,而另一工具類型或第一類型的另一工具則執行修復功能。
審視/修復工具必須有效地檢測及找出為AOI或測試AC工具所定標誌的缺陷,其中重覆的檢測被稱為再檢測。為修復工具的再檢測進一步需要缺陷分類及更準確之位置資訊。此資訊可能對原先將缺陷定標誌的AOI或AC工具有用,該等工具對缺陷分類可能有自己的方法。
參考第16及6圖,依據部份實施例,ADR處理機514被架構以提供資訊,以更新為缺陷名單管理器602所管理的原始AOI/AC缺陷名單。更新資訊可以為缺陷名單管理器所儲存並為操作員(或藉由工廠自動方法)所擷取,並被提供給AOI或AC工具。此能力完成多數工具間之連接性與學習。
本發明之上述實施例為例示性並非限定用。各種替代或等效係為可能的。以本案揭示看來的其他加入、減去或修改係為顯而易知,並在隨附之申請專利範圍內。
110...金屬突出物
112...ITO
114...ITO突出物
116...金屬
118...鼠咬
120...開路
122...短路
124...電晶體
126...外來粒子
500...LCD陣列修復工具
502...面板處理器
504...機台
506...攝像光學
508...修復硬體
510...工具控制器
512...處理電腦
514...缺陷修復處理機
516...使用者介面
520...缺陷名單
602...缺陷名單管理器
702...缺陷擷取器
704...自動缺陷分類器
706...自動修復分類器
708...自動修復巨集產生器
720...影像資訊
730...缺陷特性名單
750...資料庫記錄標記
第1圖顯示具有規則電晶體陣列之大平面顯示器的一部份的俯視圖中之若干非規則缺陷。
第2A及2B圖顯示具有突出缺陷之裝置,在修復前後之剖面圖。
第3A-3E圖顯示具有開路電路之裝置,在修復前後的剖面圖。
第4圖為在先前技術中,修復缺陷所採用的步驟流程圖。
第5圖為依據本發明例示實施例之陣列修復工具的功能方塊圖。
第6圖為依據本發明實施例之修復缺陷所採的步驟流程圖。
第7圖為第5圖之陣列修復工具配合第6圖之流程圖的自動缺陷修復處理機的方塊圖。
第8圖顯示依據本發明實施例,為缺陷擷取器所執行之各種影像處理及處理功能。
第9圖顯示依據本發明實施例,為第8圖之缺陷擷取器的處理方塊所執行之各種功能。
第10圖顯示依據本發明例示實施例之缺陷分類器的各功能方塊。
第11圖顯示依據本發明例示實施例之修復分類器的各功能方塊。
第12圖為依據本發明例示實施例之修復巨集產生器所執行的步驟流程圖。
第13圖為依據本發明例示實施例之有關於修復執行之各步驟的流程圖。
第14圖為依據本發明例示實施例之包含資料庫儲存器的自動缺陷修復順序的方塊圖。
第15圖顯示依據本發明例示實施例的程序,其中所有缺陷均首先被審視然後審視予以立即完成修復的缺陷。
第16圖顯示一示意圖,其中,依據本發明例示實施例中,缺陷分類器將更新之AOI/AC缺陷名單資訊送回給缺陷名單管理器。
第17圖為一依據本發明例示實施例的具有互動學習的自動缺陷修復程序的方塊圖。
514...ADR處理機
602...缺陷名單管理器
626...修復程式
702...缺陷擷取器
704...自動缺陷分類器
706...自動修復分類器
708...自動修復巨集產生器
720...捕捉影像資訊
Claims (27)
- 一種自動修復面板的方法,其包含:檢測在面板上之多數缺陷;產生相關於每一檢出之缺陷的缺陷特性名單;依據缺陷之相關特性名單及更依據一組缺陷分類規則,分類所檢出之每一缺陷;產生相關於每一被分類缺陷的缺陷類別;及依據缺陷的相關缺陷類別及更依據一組修復分類規則,產生用於每一檢出缺陷的修復程序。
- 如申請專利範圍第1項所述之方法,更包含:更依據可反映出一區域而在該區域中有缺陷被檢出的資訊,分類每一檢出缺陷。
- 如申請專利範圍第2項所述之方法,更包含:更依據缺陷的相關特性名單,產生用於每一檢出缺陷的修復程序。
- 如申請專利範圍第3項所述之方法,更包含:依據缺陷的相關修復程序及更依據至少一巨集樣板,產生用於每一檢出缺陷的修復巨集。
- 如申請專利範圍第4項所述之方法,更包含:更依據缺陷的相關特性名單,產生相關於每一檢出缺陷的修復巨集。
- 如申請專利範圍第5項所述之方法,更包含:如果與缺陷相關的修復巨集認為該缺陷為可修復的,則在每一缺陷上執行一修復操作。
- 如申請專利範圍第6項所述之方法,更包含:如果與缺陷相關的修復巨集認為該缺陷為可修復且若操作員驗證該修復,則在每一缺陷上執行一修復操作。
- 如申請專利範圍第6項所述之方法,更包含:如果與缺陷相關之修復巨集認為該缺陷為可修復且操作員在一開始並未驗證該修復,則展現每一缺陷給操作員審視。
- 如申請專利範圍第8項所述之方法,更包含:如果與該缺陷相關的修復巨集認為該缺陷為可修復且操作員在一開始並未驗證該修復,則使操作員決定是否需要修復每一缺陷。
- 如申請專利範圍第9項所述之方法,更包含:使得操作員決定進行在一開始未為操作員所驗證的缺陷的修復。
- 如申請專利範圍第9項所述之方法,更包含:使得操作員放棄在一開始未為操作員所驗證的缺陷的修復;以及定位下一缺陷以供修復。
- 一種適用以修復面板的設備,該設備包含:一缺陷擷取器,適用以產生相關於每一檢出缺陷的缺陷特性名單;一缺陷分類器,適用以依據缺陷之相關特性名單及更依據一組缺陷分類規則,分類每一個檢出之缺陷;該缺陷分類器更適用以產生與每一分類過缺陷相關的缺陷類別;及 一修復分類器,適用以依據缺陷之相關缺陷類別及更依據一組修復分類規則,產生用於每一檢出缺陷的修復程序。
- 如申請專利範圍第12項所述之設備,其中上述之缺陷分類器更適用以依據可反映出一區域而在該區域中有缺陷被檢出的資訊,分類每一檢出缺陷。
- 如申請專利範圍第13項所述之設備,其中上述之修復分類器更適用以依據缺陷的相關特性名單,產生相關於每一檢出缺陷的修復程序。
- 如申請專利範圍第14項所述之設備,更包含:一修復巨集產生器,適用以依據缺陷的相關修復程序及更依據至少一巨集樣板,產生用於每一檢出缺陷的修復巨集。
- 如申請專利範圍第15項所述之設備,其中上述之巨集產生器更適用以依據缺陷的相關特性名單,產生用於每一檢出缺陷的修復巨集。
- 如申請專利範圍第16項所述之設備,更包含:控制電路,適用以接收與每一檢出缺陷相關的修復巨集並決定該缺陷是否可修復;及一工具控制器,適用以如果有缺陷被決定為可修復,則使得一修復硬體修復該缺陷。
- 如申請專利範圍第17項所述之設備,其中上述之控制電路更適用以在如果有缺陷被決定為可修復的,則使得操作員驗證該缺陷的修復。
- 如申請專利範圍第17項所述之設備,其中上述之控制電路更適用以在如果操作員並未在一開始驗證一修復,則使得操作員審視被決定為可修復的缺陷。
- 如申請專利範圍第17項所述之設備,其中上述之控制電路更適用以使操作員對於被決定為可修復及操作員在一開始並未驗證該修復的缺陷,決定是否需要一修復。
- 如申請專利範圍第20項所述之設備,其中上述之控制電路更適用以使得操作員決定對於在一開始未為操作員所驗證的缺陷進行修復。
- 如申請專利範圍第20項所述之設備,其中上述之控制電路更適用以使得操作員放棄在一開始未為操作員所驗證之缺陷的修復。
- 一種自動修復面板的方法,該方法包含:檢測在面板上之多數缺陷;執行所檢出缺陷的第一分類;執行被第一分類的缺陷之第二分類;組合與每一檢出缺陷相關之第一區資料與第二預定區資料,以產生用於每一檢出缺陷的組合區資料;及過濾與每一檢出缺陷相關的組合區資料,以產生與含有檢出缺陷之像素相關的過濾區資料,該過濾區資料定義出待完成修復的位置。
- 如申請專利範圍第23項所述之方法,更包含:回應第二分類,選擇一修復樣板。
- 如申請專利範圍第24項所述之方法,其中上述之修復樣板為一固定樣板。
- 如申請專利範圍第24項所述之方法,其中上述之修復樣板為一可變樣板。
- 如申請專利範圍第24項所述之方法,更包含:回應該修復樣板,產生一修復巨集;依據所產生之修復巨集,指示一修復工具執行一修復。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US64611105P | 2005-01-21 | 2005-01-21 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW200632639A TW200632639A (en) | 2006-09-16 |
TWI447575B true TWI447575B (zh) | 2014-08-01 |
Family
ID=36692929
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW095102280A TWI447575B (zh) | 2005-01-21 | 2006-01-20 | 自動缺陷修復系統 |
Country Status (6)
Country | Link |
---|---|
US (1) | US7761182B2 (zh) |
JP (1) | JP2008529067A (zh) |
KR (1) | KR101387785B1 (zh) |
CN (1) | CN101536011B (zh) |
TW (1) | TWI447575B (zh) |
WO (1) | WO2006078916A2 (zh) |
Families Citing this family (71)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7761182B2 (en) | 2005-01-21 | 2010-07-20 | Photon Dynamics, Inc. | Automatic defect repair system |
US7301133B2 (en) * | 2005-01-21 | 2007-11-27 | Photon Dynamics, Inc. | Tracking auto focus system |
JP4956984B2 (ja) * | 2005-12-14 | 2012-06-20 | ソニー株式会社 | 欠陥修正装置及び欠陥修正方法 |
JP2007189589A (ja) * | 2006-01-16 | 2007-07-26 | Sony Corp | 情報処理装置および情報処理方法、学習装置および学習方法、並びにプログラム |
US7786742B2 (en) | 2006-05-31 | 2010-08-31 | Applied Materials, Inc. | Prober for electronic device testing on large area substrates |
DE102006039356A1 (de) * | 2006-08-22 | 2008-03-20 | Robert Bosch Gmbh | Verfahren zum Steuern eines Karosserierohbau-Laserschweißsystems und Karosserierohbau-Laserschweißsystem |
JP4813322B2 (ja) * | 2006-10-17 | 2011-11-09 | シャープ株式会社 | 基板修復システム、基板修復方法、プログラム及びコンピュータ読み取り可能な記録媒体 |
JP4940941B2 (ja) * | 2006-12-25 | 2012-05-30 | ソニー株式会社 | 欠陥修正装置及び欠陥修正方法 |
JP4374552B2 (ja) | 2007-04-12 | 2009-12-02 | ソニー株式会社 | 基板の製造方法および基板製造システム、並びに表示装置の製造方法 |
US8023766B1 (en) * | 2007-04-30 | 2011-09-20 | Hewlett-Packard Development Company, L.P. | Method and system of processing an image containing undesirable pixels |
JP5353179B2 (ja) * | 2008-10-22 | 2013-11-27 | ソニー株式会社 | 欠陥修正装置および欠陥修正方法 |
JP5158365B2 (ja) * | 2008-11-14 | 2013-03-06 | オムロン株式会社 | 基板の欠陥検査装置 |
US7979969B2 (en) * | 2008-11-17 | 2011-07-19 | Solopower, Inc. | Method of detecting and passivating a defect in a solar cell |
US9020943B2 (en) * | 2009-01-07 | 2015-04-28 | Oracle International Corporation | Methods, systems, and computer program product for automatically categorizing defects |
US8219514B2 (en) | 2009-01-07 | 2012-07-10 | Oracle International Corporation | Methods, systems, and computer program product for implementing expert assessment of a product |
KR101286548B1 (ko) * | 2009-03-31 | 2013-07-17 | 엘지디스플레이 주식회사 | 액정표시장치의 검사 시스템 및 방법 |
JP5640328B2 (ja) * | 2009-05-20 | 2014-12-17 | ソニー株式会社 | 欠陥修正装置及び欠陥修正方法 |
US10996258B2 (en) * | 2009-11-30 | 2021-05-04 | Ignis Innovation Inc. | Defect detection and correction of pixel circuits for AMOLED displays |
JP2013068645A (ja) * | 2010-01-28 | 2013-04-18 | Sharp Corp | 表示装置の欠陥修正方法、表示装置およびその製造方法 |
US8315453B2 (en) * | 2010-07-27 | 2012-11-20 | Applied Materials Israel, Ltd. | Defect classification with optimized purity |
US8995747B2 (en) | 2010-07-29 | 2015-03-31 | Sharp Laboratories Of America, Inc. | Methods, systems and apparatus for defect detection and classification |
US8331650B2 (en) | 2010-07-29 | 2012-12-11 | Sharp Laboratories Of America, Inc. | Methods, systems and apparatus for defect detection |
US9053391B2 (en) | 2011-04-12 | 2015-06-09 | Sharp Laboratories Of America, Inc. | Supervised and semi-supervised online boosting algorithm in machine learning framework |
CN102829858B (zh) * | 2011-06-15 | 2014-09-10 | 上海天马微电子有限公司 | 光传感器阵列面板的缺陷检测修复装置及其方法 |
CN102262663B (zh) * | 2011-07-25 | 2013-01-02 | 中国科学院软件研究所 | 一种软件缺陷报告修复方法 |
US9092842B2 (en) | 2011-08-04 | 2015-07-28 | Sharp Laboratories Of America, Inc. | System for defect detection and repair |
US9715723B2 (en) | 2012-04-19 | 2017-07-25 | Applied Materials Israel Ltd | Optimization of unknown defect rejection for automatic defect classification |
US10043264B2 (en) | 2012-04-19 | 2018-08-07 | Applied Materials Israel Ltd. | Integration of automatic and manual defect classification |
JP2013257208A (ja) * | 2012-06-12 | 2013-12-26 | Sharp Corp | 欠陥原因工程分析装置および欠陥原因工程分析方法 |
US8831333B2 (en) * | 2012-06-13 | 2014-09-09 | Nanya Technology Corporation | Mask pattern analysis apparatus and method for analyzing mask pattern |
US8995745B2 (en) * | 2012-07-31 | 2015-03-31 | Fei Company | Sequencer for combining automated and manual-assistance jobs in a charged particle beam device |
EP2957102A4 (en) * | 2013-02-18 | 2016-11-02 | Kateeva Inc | QUALITY ASSESSMENT OF OLED STACK FILMS |
US20140270347A1 (en) * | 2013-03-13 | 2014-09-18 | Sharp Laboratories Of America, Inc. | Hierarchical image classification system |
US10114368B2 (en) | 2013-07-22 | 2018-10-30 | Applied Materials Israel Ltd. | Closed-loop automatic defect inspection and classification |
CN103440654B (zh) * | 2013-08-27 | 2016-08-10 | 南京大学 | 一种lcd异物缺陷检测方法 |
EP3207717A4 (en) * | 2014-10-14 | 2018-05-30 | Eigen Innovations Inc. | System, apparatus and method for configuration of industrial vision control modules |
US10650508B2 (en) | 2014-12-03 | 2020-05-12 | Kla-Tencor Corporation | Automatic defect classification without sampling and feature selection |
DE102015204800B3 (de) * | 2015-03-17 | 2016-12-01 | MTU Aero Engines AG | Verfahren und Vorrichtung zur Qualitätsbeurteilung eines mittels eines additiven Herstellungsverfahrens hergestellten Bauteils |
CN105161517B (zh) * | 2015-08-14 | 2018-10-12 | 京东方科技集团股份有限公司 | 阵列基板的修复方法、修复装置和制备方法 |
DE102015119240B3 (de) * | 2015-11-09 | 2017-03-30 | ATENSOR Engineering and Technology Systems GmbH | Automatisches detektieren und robotergestütztes bearbeiten von oberflächendefekten |
KR102510003B1 (ko) * | 2015-12-22 | 2023-03-13 | 엘지디스플레이 주식회사 | 유기 발광 표시 장치 |
US10217031B2 (en) | 2016-10-13 | 2019-02-26 | International Business Machines Corporation | Identifying complimentary physical components to known physical components |
US10580055B2 (en) | 2016-10-13 | 2020-03-03 | International Business Machines Corporation | Identifying physical tools to manipulate physical components based on analyzing digital images of the physical components |
US10578937B2 (en) * | 2016-12-21 | 2020-03-03 | HKC Corporation Limited | Method and apparatus of repairing transistor |
CN106814479B (zh) * | 2017-01-11 | 2019-07-16 | 昆山国显光电有限公司 | 一种面板缺陷位置的偏移补偿方法、装置及*** |
CN106950758B (zh) * | 2017-03-03 | 2019-06-18 | 惠科股份有限公司 | 一种显示面板及其制程和显示装置 |
CN107093679A (zh) * | 2017-04-28 | 2017-08-25 | 京东方科技集团股份有限公司 | 修复有机电致发光器件亮点的方法、有机电致发光器件及其制备方法及显示装置 |
CN107040725B (zh) * | 2017-05-15 | 2021-04-30 | 惠科股份有限公司 | 一种图像获取装置的坐标校正方法及图像获取装置 |
CN107464236B (zh) * | 2017-07-28 | 2020-05-05 | 武汉华星光电半导体显示技术有限公司 | 一种基于aoi的柔性显示基板缺陷判别方法 |
CN107886500A (zh) * | 2017-10-13 | 2018-04-06 | 北京邮电大学 | 一种基于机器视觉和机器学习的产品生产监控方法及*** |
TWI649659B (zh) | 2017-10-27 | 2019-02-01 | 財團法人工業技術研究院 | 自動光學檢測影像分類方法、系統及含有該方法之電腦可讀取媒體 |
CN108196029A (zh) * | 2018-03-02 | 2018-06-22 | 绵阳金泰机械设备制造有限公司 | 一种金属零件缺陷检测***及修复方法 |
CN111819583B (zh) | 2018-03-21 | 2024-06-04 | 科磊股份有限公司 | 用于使用合成缺陷图像训练机器学习模型的方法和*** |
TWI703514B (zh) * | 2018-05-24 | 2020-09-01 | 牧德科技股份有限公司 | 人工智慧複檢系統及其方法 |
US10713769B2 (en) * | 2018-06-05 | 2020-07-14 | Kla-Tencor Corp. | Active learning for defect classifier training |
US11315231B2 (en) | 2018-06-08 | 2022-04-26 | Industrial Technology Research Institute | Industrial image inspection method and system and computer readable recording medium |
CN109118482B (zh) * | 2018-08-07 | 2019-12-31 | 腾讯科技(深圳)有限公司 | 一种面板缺陷分析方法、装置及存储介质 |
JP2019003203A (ja) * | 2018-08-10 | 2019-01-10 | 株式会社ニューフレアテクノロジー | 検査方法および検査装置 |
JP7332144B2 (ja) * | 2019-06-13 | 2023-08-23 | 株式会社ブイ・テクノロジー | レーザ修正方法、レーザ修正装置 |
CN110961857B (zh) * | 2019-11-07 | 2021-05-04 | 中广核工程有限公司 | 一种控制棒驱动机构密封焊缝唇边坡口再制方法及*** |
CN111054638A (zh) * | 2019-11-27 | 2020-04-24 | 奥特斯科技(重庆)有限公司 | 制造部件承载件的方法及在制造期间操控面板的设备 |
CN111337512B (zh) * | 2020-05-22 | 2020-09-08 | 深圳新视智科技术有限公司 | 用于aoi缺陷检测的缺陷提取方法 |
DE102020120559A1 (de) | 2020-08-04 | 2022-02-10 | Bayerische Motoren Werke Aktiengesellschaft | Verfahren zum Bearbeiten wenigstens eines Defekts einer Oberfläche eines Bauteils, insbesondere in einem Bereich wenigstens eines Oberflächenmerkmals |
TWI737447B (zh) * | 2020-08-13 | 2021-08-21 | 新加坡商鴻運科股份有限公司 | 影像處理方法、電子裝置和存儲介質 |
CN112827857A (zh) * | 2020-12-30 | 2021-05-25 | 凌云光技术股份有限公司 | 一种基于aoi检测的人工重新判定装置、方法和*** |
CN115147329A (zh) * | 2021-03-29 | 2022-10-04 | 北京小米移动软件有限公司 | 一种柔性面板的修复方法、装置、设备及存储介质 |
TWI755312B (zh) * | 2021-04-07 | 2022-02-11 | 佑昇雷射股份有限公司 | 智慧化視覺雷射切割專家系統及其操作流程 |
KR102643090B1 (ko) * | 2021-10-27 | 2024-03-04 | 주식회사 코윈디에스티 | 인공지능(ai)을 이용한 잉크젯 방식의 디스플레이 패널에 대한 자동 결함 수리 방법 |
TWI816549B (zh) * | 2022-09-14 | 2023-09-21 | 朝陽科技大學 | 自動化瑕疵檢測方法 |
CN115815134B (zh) * | 2023-02-15 | 2023-05-02 | 泰州新源电工器材有限公司 | 基于视觉检测***可修复表面缺陷的纸板分选设备 |
CN117876348B (zh) * | 2024-01-16 | 2024-07-05 | 深圳市塞外科技有限公司 | 纸杯设计缺陷自动预检测方法与装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20010011706A1 (en) * | 1998-11-30 | 2001-08-09 | Yasuhiko Nara | Inspection method, apparatus and system for circuit pattern |
TW473772B (en) * | 1999-01-08 | 2002-01-21 | Schlumberger Technologies Inc | Feature-based defect detection |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6205239B1 (en) * | 1996-05-31 | 2001-03-20 | Texas Instruments Incorporated | System and method for circuit repair |
JP4002655B2 (ja) * | 1998-01-06 | 2007-11-07 | 株式会社日立製作所 | パターン検査方法およびその装置 |
JP4348979B2 (ja) * | 2003-03-27 | 2009-10-21 | 東レ株式会社 | リペア装置およびリペア方法 |
US7356175B2 (en) * | 2003-09-25 | 2008-04-08 | Columbia Forest Products, Inc. | Identifying defects in decorative wood panels |
US7394534B1 (en) * | 2003-11-19 | 2008-07-01 | Kla-Tencor Corporation | Process excursion detection |
US7084970B2 (en) * | 2004-05-14 | 2006-08-01 | Photon Dynamics, Inc. | Inspection of TFT LCD panels using on-demand automated optical inspection sub-system |
US7142992B1 (en) * | 2004-09-30 | 2006-11-28 | Kla-Tencor Technologies Corp. | Flexible hybrid defect classification for semiconductor manufacturing |
US7761182B2 (en) | 2005-01-21 | 2010-07-20 | Photon Dynamics, Inc. | Automatic defect repair system |
-
2006
- 2006-01-20 US US11/336,655 patent/US7761182B2/en active Active
- 2006-01-20 KR KR1020077019110A patent/KR101387785B1/ko active IP Right Grant
- 2006-01-20 WO PCT/US2006/002058 patent/WO2006078916A2/en active Application Filing
- 2006-01-20 TW TW095102280A patent/TWI447575B/zh active
- 2006-01-20 CN CN2006800029681A patent/CN101536011B/zh active Active
- 2006-01-20 JP JP2007552292A patent/JP2008529067A/ja active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20010011706A1 (en) * | 1998-11-30 | 2001-08-09 | Yasuhiko Nara | Inspection method, apparatus and system for circuit pattern |
US6759655B2 (en) * | 1998-11-30 | 2004-07-06 | Hitachi, Ltd. | Inspection method, apparatus and system for circuit pattern |
TW473772B (en) * | 1999-01-08 | 2002-01-21 | Schlumberger Technologies Inc | Feature-based defect detection |
Also Published As
Publication number | Publication date |
---|---|
KR101387785B1 (ko) | 2014-04-25 |
US20060226865A1 (en) | 2006-10-12 |
US7761182B2 (en) | 2010-07-20 |
CN101536011B (zh) | 2013-01-09 |
KR20070095437A (ko) | 2007-09-28 |
CN101536011A (zh) | 2009-09-16 |
TW200632639A (en) | 2006-09-16 |
WO2006078916A3 (en) | 2009-04-16 |
JP2008529067A (ja) | 2008-07-31 |
WO2006078916A2 (en) | 2006-07-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI447575B (zh) | 自動缺陷修復系統 | |
JP5353179B2 (ja) | 欠陥修正装置および欠陥修正方法 | |
JP5411211B2 (ja) | 欠陥分析器 | |
CN101432863B (zh) | 故障源设备确定*** | |
JP6113024B2 (ja) | 分類器取得方法、欠陥分類方法、欠陥分類装置およびプログラム | |
JP4940941B2 (ja) | 欠陥修正装置及び欠陥修正方法 | |
TWI749524B (zh) | 影像辨識裝置、影像辨識方法及其電腦程式產品 | |
TWI783368B (zh) | 診斷系統 | |
JP5114943B2 (ja) | 欠陥修正装置及び欠陥修正方法 | |
TW202013538A (zh) | 用於損害篩選之跨層共同─獨特分析 | |
JP2005309535A (ja) | 画像自動分類方法 | |
JP5323457B2 (ja) | 観察条件決定支援装置および観察条件決定支援方法 | |
WO2021090601A1 (ja) | 分類装置および画像分類システム | |
JP6197228B2 (ja) | 設計に基づく欠陥分類の方法及びそのシステム | |
JP2011085820A (ja) | 欠陥修正装置および欠陥修正方法 | |
KR100359797B1 (ko) | 평판형 표시장치의 양, 부 판정 방법 | |
JP5640328B2 (ja) | 欠陥修正装置及び欠陥修正方法 | |
JP2011085821A (ja) | 欠陥修正装置および欠陥修正方法 | |
JP3311628B2 (ja) | 薄型表示機器の欠陥箇所位置決め装置 | |
CN117817211B (zh) | 基于机器视觉的焊接自动化控制方法及*** | |
WO2023188803A1 (ja) | 自動欠陥分類装置 | |
US20220101114A1 (en) | Interpretable deep learning-based defect detection and classification | |
JP2021068745A (ja) | 欠陥分類装置、欠陥分類プログラム |